捕获发送到Google语音识别服务器的音频

Question

为了通过谷歌服务器识别语音，我按照Stephan的answer to this question中的建议，将SpeechRecognizer类与RecognitionListener结合使用。此外，我尝试使用onBufferReceived()从RecognitionListener回调来捕获正在识别的音频信号，如下所示：

byte[] sig = new byte[500000] ;
int sigPos = 0 ;
...
public void onBufferReceived(byte[] buffer) {
  System.arraycopy(buffer, 0, sig, sigPos, buffer.length) ;
  sigPos += buffer.length ;
}
...

这看起来工作得很好，除了当SpeechRecognizer连接到Google服务器失败，当一块音频没有被复制到上面提到的sig数组中，并且抛出一个HTTP连接超时异常。SpeechRecognizer最终连接到谷歌服务器，识别结果表明收到了一个完整的音频信号；只有sig阵列缺少一些音频块。

有没有人遇到过同样的问题？有任何解决方案的提示吗？谢谢!

Answer 1

我倾向于说，这可能是识别服务的行为不一致，甚至可能是你使用的Android版本中的一个bug。但是，文档指出，不能保证此方法会被调用，因此它将适合规范。到目前为止，我注意到的是(在安卓2.3.4上)：我在记录时获取字节数，但如果有一个SocketTimeout，它会在一段时间后尝试将数据重新发送到服务器，但不会再次调用onBufferReceived来获取相同的数据。用于测试的代码与您在帖子中链接的代码相同。

为什么你认为你在方法中接收到的音频中缺少了一些块？如果只是丢失了几个块，情况甚至可能是这样的，尽管这些块丢失了，但识别仍然有效。

Answer 2

在最新的版本中，onBufferReceieved不能工作，你可以检查record/save audio from voice recognition intent。

Answer 3

要做到这一点，最好的方法是绕过另一条路。使用AudioRecord捕获音频数据(我建议使用VOICE_COMMUNICATION而不是MIC作为输入，这样可以获得真正干净的音频)，然后将其传递给SpeechRecognizer。:)